随着智能制造的提出和相关技术的不断发展，传统 PDM已无法满足离散制造行业的发展。作为PDM的扩展，产品生命周期管理PLM已成为企业发展的必经之路。

◆◆引言◆◆

离散制造业在我国工业领域长期占据重要位置，但是传统的离散型制造企业在创新能力、生产效率和 效益、生产模式、信息化建设、研发能力等方面仍有待提高，这些因素制约着智能制造模式在我国工业中的 快速发展。产品数据管理平台PDM技术已在很多制造行业中得到广泛应用。

由于离散制造行业产品品种多、批量小，在离散制造行业中产品数据管理 PDM 的功能依然以管理设计图纸模型数据为主。随着智能制造的提出和相关技术的不断发展，传统PDM已无法满足离散制造行业的发展。作为PDM的扩展，产品生命周期管PLM已成为企业发展的必经之路。

离散制造行业基于订单进行设计，设计周期长，出错率高，同时仿真复杂，设计与产品使用脱节，产品交付后往往难以追踪。通过PLM平台的建设，可以实现设计、工艺仿真、制造一体化，使得产品设计周期和设计质量得到大幅提升，产品升级改进周 期大大缩短。

◆◆产品全生命周期管理平台的架构◆◆

现代产品生命周期管理平台中的内容相当丰富，为智能制造提供了许多信息化工具，其主要功能如图1所示。

工厂层：通过对工厂整体工艺规划、生产设备布局、生产过程进行仿真，确保产品生产过程顺利进行。离散制造由于生产节拍不一致，各生产工位之间、生产工位与物流系统之间都需要协同，因此在建厂或者工艺改造时，应充分考虑各种因素，避免工厂工艺节拍失调和投资浪费。

产品设计层：在产品设计时利用三维参数化设计工具、设计成本控制、产品性能仿真等手段，在缩短设计周期的同时保证设计质量，并从设计端控制设计成本，实现目标成本管理功能。

工艺设计层：工艺包含结构化三维工艺、三维加工仿真、三维装配仿真等内容。通过结构化的三维工艺， 将工艺数据传递给下游MES系统，指导各工位按工艺要求进行相应工序内容。通过三维加工仿真与三维装配仿真，确保产品工艺设计的合理性和准确性。

制造层：将制造所需数据通过WEB、3D-PDF等形式进行分发展示，使得车间生产员工更直观地看到产品和工艺内容，将工艺人员编写的加工程序发送给现场数控设备，并将现场数控设备的最终程序保存至PLM系统。

售后层：通过现场采集的数据对产品进行不断改进，通过售后数据的整理分析，实现产品售后追踪，解决产品存在的问题，进行更新换代。

平台层：通过项目管理、资源库管理、知识库管理、BOM管理、协同管理以及集成接口等，实现平台与设 计分析工具软件以及各系统的互联互通，并对平台内的数据进行归档分析，保证数据传递的正确性和及时性。与此同时，实现企业内部设计到制造、企业外部上下游企业对模型的重用和同一平台协同，达到提质增效和知识积累的目的。

◆◆产品全生命周期管理平台与其他系统的集成◆◆

产品全生命周期管理平台与其他主要业务系统的集成内容如图3所示。

PLM与客户关系管理（Customer Relationship Management，CRM)系统的集成：客户可实时了解项目的设计进度，根据技术协议中的节点时间审查项目重要资料，并对评审结果进行记录；项目交付时，可以通过系统直接将项目交付资料进行发送。

PLM与企业资源计划（Enterprise Resource Planning，ERP)系统的集成：ERP系统将订单信息中与设计相关的关键信息发送给PLM平台生成设计项目，PLM平台将设计结果中的工艺路线和产品BOM发送至ERP系统进行MRPII运算，保证项目按计划 节点顺利进行。

PLM与供应商关系管理（Supplier Relationship Management，SRM) 系统的集成：可以让供应商在 PLM平台中进行协同设计，对供应商的设计进度与设计内容进行审查和考核，同时对供应商的交付资料进 行统一管理，保证供货质量。

PLM与制造执行系统（Manufacturing Execution System，MES)的集成：将基于模型的工艺指导书下发到车间各工位，内容可以是PDF、网页、视频，充分展示工艺内容；PLM中CAM编写的NC程序可以通过MES传递到数控设备，并将数控设备修改过的NC程序传回PLM进行备份留档；同时，生产过程中遇到的问题可以通过PLM反馈到设计人员，帮助产品改进。

PLM与售后平台系统的集成：售后平台将产品运行记录的分析结果、故障信息分析结果以及产品的实时运行关键数据记录通过PLM平台传递给产品研发和设计人员，促使产品研发的不断进步。

◆◆结论◆◆

随着智能制造的高速发展，越来越多的信息化系统加入到智能制造的框架当中。数据的准确性成为制约各信息化系统顺畅运行的关键因素。产品全生命周期管理平台作为产品数据的源头和唯一数据源，其重要性不言而喻。通过不断加强产品全生命周期管理平台的功能和数据范围，并对细节功能和系统集成不断完善，才能为智能制造的长远发展提供数据保障，为企业知识积累提供数据平台。